Question

我有一个字典，其文件名为1.xml，然后是DeviceID，如3和12.

{'1.xml': ['3', '12'], '2.xml': ['23', '17''], '3.xml': ['1', '12']}

我有一个代码可以比较DeviceID并在有重复项时显示。现在它只适用于所有文件都包含DeviceID的情况。运行此代码时：

it = iter(dict.values())
intersection = set(next(it))
print(intersection)

for vals in it:
    intersection &= set(vals)

它返回

set()

因为DeviceID仅在第一个和第三个文件中，但不在第二个文件中。有人可以帮我修改这段代码，让它在某些文件中只有重复时显示DeviceID吗？

Answer 1

当字典中的新值不包含它们时，set交集会丢弃所有先前的重复项。因此，您可以使用 multiset - collections.Counter代替set来计算每个 DeviceID 出现在其中的次数。 filename-deviceid 字典：

from collections import Counter

d = {'1.xml': ['3', '12'], '2.xml': ['23', '17'], '3.xml': ['1', '12']}

c = Counter(i for val in d.values() for i in val)
print(c)
# Counter({'12': 2, '1': 1, '17': 1, '23': 1, '3': 1})
print(c.most_common(1))
# [('12', 2)]

如果您有大量商品，并且您不确定将哪个号码传递给most_common以获取重复的ID，那么您可以使用：

dupe_ids = [id for id, count in c.items() if count > 1]

Answer 2

摩西发布的答案是代码行数较少，但这可以更直接地解决您的问题，并且可能表现更好，具体取决于数据集：

你的代码不起作用的原因是因为而不是&将交叉点放在一起，你实际上想要取得所有交叉点的联合。您的代码的以下更新说明了如何执行此操作：

dev_ids = {'1.xml': ['3', '12'], '2.xml': ['23', '17'], '3.xml': ['1', '12']}

it = iter(dev_ids.values())
all_ids = set(next(it))
dups = set()

for vals in it:
    vals_set = set(vals)
    dups.update(all_ids.intersection(vals_set))
    all_ids.update(vals_set)

print(dups)

正如您所看到的，我们将所有ID累积到一个集合中 - .update()本质上是一个就地联合操作 - 并在我们去的时候对它执行交叉。每个交叉点可以被认为是该文件中包含的“重复”。我们将重复项累积到变量dup中，这就成了我们的答案。

字典python中重复值的列表

2 个答案: